import pandas as pd import numpy as np import os os.chdir(‘F:\\50mat\源数据1000张表格‘) name = ‘户外服装&滑雪衣.xlsx‘ df = pd.read_excel(name) df.head()
打印结果
日期 转化率 访客数 三级类目 客单价 品牌
0 2019-08 0.036466 837 滑雪衣 3887.646034 品牌-5
1 2019-08 0.006110 9951 滑雪衣 1890.920192 品牌-7
2 2019-08 0.008279 11067 滑雪衣 1001.541028 品牌-19
3 2019-08 0.003647 25296 滑雪衣 986.192182 品牌-17
4 2019-08 0.006012 5053 滑雪衣 2818.957816 品牌-14
df[‘日期‘].unique()
打印结果
array([‘2019-08‘, ‘2019-07‘, ‘2019-06‘, ‘2019-05‘, ‘2019-04‘, ‘2019-03‘,
‘2019-02‘, ‘2019-01‘, ‘2018-12‘, ‘2018-11‘, ‘2018-10‘, ‘2018-09‘],
dtype=object)
一：操作单表
销售额
df[‘销售额‘] = df[‘访客数‘] * df[‘转化率‘] * df[‘客单价‘] df.head()
打印结果
日期 转化率 访客数 三级类目 客单价 品牌 销售额
0 2019-08 0.036466 837 滑雪衣 3887.646034 品牌-5 118657.898127
1 2019-08 0.006110 9951 滑雪衣 1890.920192 品牌-7 114977.898920
2 2019-08 0.008279 11067 滑雪衣 1001.541028 品牌-19 91761.540049
3 2019-08 0.003647 25296 滑雪衣 986.192182 品牌-17 90969.935091
4 2019-08 0.006012 5053 滑雪衣 2818.957816 品牌-14 85634.834594
二：汇总销售额
# 汇总销售额 df_sum = df.groupby(‘品牌‘)[‘销售额‘].sum().reset_index() df_sum.head()
打印结果
品牌 销售额
0 品牌-1 5.479539e+06
1 品牌-10 2.913271e+06
2 品牌-11 2.298716e+06
3 品牌-12 2.821199e+06
4 品牌-13 3.256508e+06
添加行业标签
# 添加行业标签 df_sum[‘行业‘] = name.replace(‘.xlsx‘,‘‘) df_sum.head()
打印结果
品牌 销售额 行业
0 品牌-1 5.479539e+06 户外服装&滑雪衣
1 品牌-10 2.913271e+06 户外服装&滑雪衣
2 品牌-11 2.298716e+06 户外服装&滑雪衣
3 品牌-12 2.821199e+06 户外服装&滑雪衣
4 品牌-13 3.256508e+06 户外服装&滑雪衣
三：操作所有表格
import time start = time.time() result = pd.DataFrame() for name in os.listdir(): df = pd.read_excel(name) df[‘销售额‘] = df[‘访客数‘] * df[‘转化率‘] * df[‘客单价‘] df_sum = df.groupby(‘品牌‘)[‘销售额‘].sum().reset_index() df_sum[‘行业标签‘] = name.replace(‘.xlsx‘,‘‘) result = pd.concat([result,df_sum]) final = result.groupby(‘品牌‘)[‘销售额‘].sum().reset_index().sort_values(‘销售额‘, ascending = False) end = time.time() print(‘操作用时:{}s‘.format(end-start))
操作用时:6.295360088348389s
# 将科学计算法，改为两位小数 pd.set_option(‘display.float_format‘, lambda x :‘%.2f‘ % x) print(final.head()) final.describe()
打印结果
品牌 销售额
15 品牌-5 1226223640.73
8 品牌-17 1195280571.60
2 品牌-11 1151829215.73
4 品牌-13 1150687029.66
3 品牌-12 1143519788.23
销售额
count 20.00
mean 1084854125.76
std 63774592.90
min 979272391.61
25% 1050719265.66
50% 1071804742.94
75% 1118990465.22
max 1226223640.73
七：数据分析模型
# 表格处理示例：销售榜品牌及销售额 import pandas as pd import numpy as np import os import time os.chdir(‘F:\\50mat\源数据1000张表格‘) name = ‘户外服装&滑雪衣.xlsx‘ df = pd.read_excel(name) result = pd.DataFrame() for name in os.listdir(): df = pd.read_excel(name) df[‘销售额‘] = df[‘访客数‘] * df[‘转化率‘] * df[‘客单价‘] df_sum = df.groupby(‘品牌‘)[‘销售额‘].sum().reset_index() df_sum[‘行业标签‘] = name.replace(‘.xlsx‘,‘‘) result = pd.concat([result,df_sum]) final = result.groupby(‘品牌‘)[‘销售额‘].sum().reset_index().sort_values(‘销售额‘, ascending = False) # 将科学计算法，改为两位小数 pd.set_option(‘display.float_format‘, lambda x :‘%.2f‘ % x) print(final.head(10))
加油:一只阿木木
原文：https://www.cnblogs.com/yizhiamumu/p/12410337.html